Stephan Trahasch, Michael Zimmer, Robert Krawatzeck

Größe: px

Ab Seite anzeigen:

Download "Stephan Trahasch, Michael Zimmer, Robert Krawatzeck"

Linus Maier
vor 10 Jahren
Abrufe

1 ix 1 Agile Business Intelligence 1 Stephan Trahasch, Michael Zimmer, Robert Krawatzeck 1.1 Einleitung BI-Agilität und Agile Business Intelligence Werte und Prinzipien für Agile Business Intelligence Werte Prinzipien Maßnahmen zur Steigerung der BI-Agilität Agile Methoden und klassische Vorgehensmodelle Organisatorische Maßnahmen Wechselwirkungen zwischen Maßnahmen und Unternehmen Struktur des Buches Ausblick Einsatz von Scrum in der Business Intelligence 21 Markus Peter 2.1 Einordnung von Scrum Das 3x3 in Scrum Ablauf eines Sprints Selbstorganisation des Teams Pro Scrum Besonderheiten von Business Intelligence und deren Auswirkungen auf Scrum

4 Maßnahmen zur Steigerung der BI-Agilität.................. 11 1.4.1 Agile Methoden und klassische Vorgehensmodelle...... 12 1.4.2 Organisatorische Maßnahmen..................... 13 1.4.3 Wechselwirkungen zwischen Maßnahmen und Unternehmen.

2 x 2.3 Anpassung von Scrum Maßnahmen in der Gesamtorganisation Allgemeine organisatorische Maßnahmen Maßnahmen im BI-Team Folgen der Umsetzung von Scrum Projektleitung Planungsaspekte in der IT-Gesamtorganisation Planung und Priorisierung in Querschnittteams Architekturgremium Communitys Weiterbildung der Mitarbeiter Technologieaspekte Erfolgsfaktoren und Auswirkungen Herausforderungen Anforderungsmanagement durch User Stories 45 Jens Bleiholder, Sven Buschek, Thomas Flecken 3.1 Anforderungsmanagement in agilen BI-Projekten Business-Intelligence-Anforderungen als User Stories Was sind User Stories? Gute User Stories erstellen Planen und Schätzen Akzeptanzkriterien und Tests Fazit Modellierung agiler BI-Systeme 61 Michael Hahne 4.1 Business-Intelligence-Architektur Schichtenmodell der BI-Architektur Modellierung des Core Data Warehouse Star-Schema-Modellierung im Core Data Warehouse Granulare Star-Schemata im Core Data Warehouse Bewertung dimensionaler Modelle im Core Data Warehouse

........ 37 2.4.3 Planung und Priorisierung in Querschnittteams......... 38 2.4.4 Architekturgremium.............................. 39 2.4.5 Communitys.................................... 40 2.4.6 Weiterbildung der Mitarbeiter.

3 xi 4.3 3NF-Modelle im Core Data Warehouse Core-Data-Warehouse-Modellierung in 3NF Historisierungsaspekte von 3NF-Modellen Domänenkonzepte im 3NF-Modell Bewertung der 3NF-Modellierung im Core Data Warehouse Data-Vault-Ansatz Tabellentypen im Data-Vault-Modell Zeitstempel und Formen der Historisierung Harmonisierung von fachlichen Schlüsseln Bewertung der Data-Vault-Methode Fazit Data Vault für agile Data-Warehouse-Architekturen 83 Dirk Lerner Normalform, Dimensional und Data Vault Automatisierung Geschäftsregeln Agile Business Intelligence Data Vault in der Praxis eine exemplarische Darstellung Fazit Agile BI-Architekturen 99 Michael Zimmer 6.1 Einleitung Klassische BI-Architekturkomponenten und BI-Agilität Neue Architekturkomponenten und BI-Agilität Sandboxes Engines Bypässe Architekturansätze zum Umgang mit BI-Agilität Dezentralisierter Ansatz mit hohen Freiheitsgraden Autoritärer Ansatz Unüberwachter Sandbox-Ansatz Serviceorientierter Ansatz

............... 74 4.4.2 Zeitstempel und Formen der Historisierung........... 78 4.4.3 Harmonisierung von fachlichen Schlüsseln............ 79 4.4.4 Bewertung der Data-Vault-Methode................. 80 4.

4 xii Serviceorientierter Ansatz mit werkzeuggestützten Sandboxes Einordnung der Architekturansätze Fazit Automatisiertes Testen 111 Robert Krawatzeck 7.1 Die Notwendigkeit von BI Testing Ziel von BI Testing Der fundamentale Testprozess Die Teststufen Die Testarten und die Softwarequalitätsmerkmale Die Testobjekte in BI-Systemen Der BI Testing Cube Das Problem der Testautomatisierung von BI Testing Was lässt sich beim Testen automatisieren? Übersicht über Werkzeuge zur automatisierten Testdurchführung Fazit Technologien, Architekturen und Prozesse 131 Thomas Zarinac 8.1 Problemstellung Lösungsansatz Agile Methodik in Business-Intelligence-Projekten Grundsätze für Agile BI Anforderungen an eine Agile-BI-Architektur Architekturansatz Agile Datenbereitstellung Fazit Datenverständnis Architekturerweiterung

2.1 Der fundamentale Testprozess..................... 114 7.2.2 Die Teststufen................................. 117 7.2.3 Die Testarten und die Softwarequalitätsmerkmale...... 118 7.2.4 Die Testobjekte in BI-Systemen.

5 xiii 9 BI-Agilität: Relevanz, Anforderungen und Maßnahmen 143 Henning Baars 9.1 BI-Agilität als vielschichtige Herausforderung BI-Agilität: Kontext und Relevanz Die Natur von BI-Agilitätsanforderungen Ansatz zur Identifikation und Selektion von BI-Agilitätsmaßnahmen Identifikation, Klassifikation und Priorisierung von BI-Agilitätsanforderungen Ableitung von Maßnahmen zur Steigerung der BI-Agilität Evaluation und Selektion von Maßnahmenbündeln Aktuelle Trends und ihre Agilitätsrelevanz In-Memory-BI Big Data Cloud-BI Fazit Agil und dezentral zum Enterprise Data Warehouse 157 Karsten Foos, Michael Krause 10.1 Die Landesbank Hessen-Thüringen Helaba Auslöser und Ziele des BI-Projekts Ziele, Lösungsansatz und erwarteter Nutzen Projektpartner und zukünftige Nutzer Architektur des Enterprise Data Warehouse Projektmanagement und Change Management Beschreibung der BI-Organisation Maßnahmen zur Erhöhung der BI-Agilität Verzahnung von Kanban und Sprints Prinzipien Erfahrungen und Erfolgsfaktoren Realisierter Nutzen und bewirkte Veränderungen Reflexion der Barrieren und Erfolgsfaktoren Fazit

...................... 148 9.4.2 Ableitung von Maßnahmen zur Steigerung der BI-Agilität 149 9.4.3 Evaluation und Selektion von Maßnahmenbündeln.... 151 9.5 Aktuelle Trends und ihre Agilitätsrelevanz.

6 xiv 11 Agile BI bei congstar 175 Janine Ellner 11.1 congstar Ausgangssituation und Ziele des Projekts Ausgangssituation Gründe für das Scheitern einer klassischen Projektmethode Ziele des Data-Warehouse-Projekts bei congstar Projektablauf und Betrieb Das Data-Warehouse-Team Anwender des congstar Data Warehouse Architektur des congstar Data Warehouse Projektvorgehen Ablauf eines Sprints bei congstar Schnitt einer User Story Technologie Besonderheiten im congstar Data Warehouse Fazit Warum das DWH-Projekt bei congstar erfolgreich ist Lessons Learned Einführung von agilen Methoden im Coaching 195 Marcus Pilz 12.1 Unternehmen Ausgangssituation und Ziele des BI-Projekts Vom klassischen Projektvorgehen zur Kombination von agiler und klassischer Methodik Erste Projektphase: Klassische Projektmethodik und -architektur Zweite Projektphase: Kombination von agiler und klassischer Methodik Fazit

3 Projektablauf und Betrieb............................... 179 11.3.1 Das Data-Warehouse-Team....................... 179 11.3.2 Anwender des congstar Data Warehouse............ 181 11.3.3 Architektur des congstar Data Warehouse.

7 xv 13 In-Memory-Technologie als Enabler für Agile BI 213 Tobias Hagen, Silvia Bratz 13.1 In-Memory-Technologien und Agile BI SAP Business Warehouse Allgemein SAP BW und In-Memory BW Workspaces Anwendungsfälle für BW Workspaces Lokale Erweiterung von Stamm- und Bewegungsdaten für das Flottenmanagement Rapid Prototyping als Interimslösung und zur Validierung Spezielle Projektberichte Nutzung als Self-Service-BI-Plattform Maßnahmen zur Erhöhung der BI-Agilität Technische Maßnahmen Delivery und Lebenszyklus Weitere Funktionen in SAP BW zur Erhöhung der BI-Agilität Erfahrungen und Erfolgsfaktoren Realisierter Nutzen und bewirkte Veränderungen Reflexion der Barrieren und Erfolgsfaktoren Fazit DevOps für Business Intelligence 227 Andreas Ballenthin 14.1 Warum ist das DWH für congstar so wichtig? Die DWH-Architektur bei congstar Einführung in DevOps für Business Intelligence Werte des Entwicklungsteams weitertragen Testmethodiken und Deployments Gemeinsame Deployments Automatisierte Datenbank-Deployments Automatisierte ETL-Deployments Testinfrastruktur

3 Anwendungsfälle für BW Workspaces..................... 218 13.3.1 Lokale Erweiterung von Stamm- und Bewegungsdaten für das Flottenmanagement....................... 218 13.3.2 Rapid Prototyping als Interimslösung und zur Validierung.

8 xvi 14.7 Wenn es darauf ankommt: Troubleshooting Migration auf Tablespace mit Uniform Extent Size Konfigurative Eingriffe im Produktionssystem Datenbankanonymisierungen Monitoring-Berichte Restartmechanismen Backup und Recovery der Oracle-Datenbank Kapazitätsplanung Fazit Big Data und BI-Agilität im Marketing 245 Stefan Igel, Moritz Aschoff, Thomas Brodowski 15.1 Auslöser und Ziele des Big-Data-Projekts Aufbau und Betrieb der Big-Data-Plattform Projektmanagement mit Scrum Architektur der Big-Data-Plattform Continuous Delivery Ein Beispiel für agile Datenanalyse Zusammenspiel der Big-Data-Plattform mit dem BI-Tool Exploratives Vorgehen Fazit Autoren 261 Abkürzungsverzeichnis 267 Literaturverzeichnis 269 Index 281

......... 243 14.7.7 Kapazitätsplanung.............................. 243 14.8 Fazit............................................... 244 15 Big Data und BI-Agilität im Marketing 245 Stefan Igel, Moritz Aschoff, Thomas Brodowski 15.

Ähnliche Dokumente

261 Autoren Dr. Moritz Aschoff Dr. Henning Baars Andreas S. Ballenthin

261 Autoren Dr. Moritz Aschoff Dr. Henning Baars Andreas S. Ballenthin 261 Dr. Moritz Aschoff arbeitet bei der inovex GmbH als Big Data Scientist. Im Rahmen unterschiedlicher Forschungsprojekte war er schon früher mit der Analyse umfangreicher, wissenschaftlicher Datensätze